高空长航时无人机导航系统研究

以高空长航时无人机为研究背景,从我国国情出发,对捷联惯性导航系统(SlNS)、全球定位系统(GPS)、"北斗"卫星导航系统(BDSNS)和大气数据系统(ADS)在高空长航时无人机导航系统中应用的可行性进行了分析,在此基础上提出基于自适应联邦滤波的SINS/GPS/BDSNS/ADS组合导航系统方案,建立了组合导航系统的状态方程和量测方程,给出了自适应联邦滤波算法,并设计开发了组合导航仿真系统.通过对GPS被关闭或限制使用等典型情况的计算机仿真,表明该系统具有较高的导航精度和良好的可靠性.     

一种智能化的组合导航方法

利用不同导航系统的工作特点，用反馈-融合式联邦滤波方法，对SINS／GPS／TAN／LORAN-C进行组合，并利用模糊控制理论，对各导航系统的导航效果实行模糊判决，建立了模糊控制器，以实现组合导航系统的智能化管理，提高导航的可靠性。     

GPS/罗兰C/SINS/AHRS组合导航系统及试验

组合导航系统已成为现代船用导航系统的重要配套设备,并已向着多组合导航系统方向发展。针对导航精度及可靠性,设计了GPS/罗兰C/SINS/AHRS组合导航系统,该组合导航采用了自适应联邦卡尔曼滤波(Kalman)的方法,通过闭环形式校正SINS,并用姿态航向参考系统(AHRS)代替捷联惯性导航系统(SINS)输出的航向角以保证航向角的收敛,同时对罗兰C的测量值进行坐标变换以消除由于坐标系不同而带来的常值误差。实际的静态与动态试验结果表明,该组合导航系统是可行的,能满足任务要求,并且易于工程实现。     

车辆GPS/DR/DM组合导航系统的研究

研究了车载GPS/DR/DM组合导航系统.通过分析GPS(GlobalPositioningSystem)和DR(Dead-Reckoning)各自导航、定位的原理及特点,以及DM(DigitalMap)的特点,设计了一种新型的低成本车辆兵器GPS/DR/DM组合导航系统,并且用自适应的扩展卡尔曼滤波对组合系统进行了仿真实验,证明了本系统的可行性.车辆GPS/DR/DM组合导航系统无论从精度还是可靠性来说较常规的导航系统都有明显的改善和提高,GPS/DR/DM组合导航系统是一种较为理想的车辆导航系统.     

小型无人机GPS／航程推算组合导航系统研究

探讨了在无人机上发展ＧＰＳ／航程推算自式组合导航系统的必要性和可行性；对利用ＧＰＳ定位信息进行导航时所需的坐标转换问题作了分析研究；并对研制的ＧＰＳ／航程推逄组合导航系统的设计思想，总体方案，工作原软硬件结构作了介绍，给出了在小型无人机上进行导航试验的结果。     

GNSS/INS自适应智能组合导航算法

介绍了全球卫星导航系统/惯性导航系统(GNSS/INS)自适应智能组合导航算法并进行分类。根据不同方向和侧重点的自适应组合导航算法,将每一类自适应组合导航算法进行细分和比较。详细介绍了各分类中具有代表性的算法,分析了算法的优缺点。指出了自适应组合导航算法研究过程中面临的困难和挑战,展望了该研究领域的发展趋势。     

AGV用GPS/DR组合导航信息融合

目的 研究一种满足室外自动导引小车(AGV)导航要求的高精度、低成本的组合导航系统.方法 应用信息融合技术,通过航位推算系统辅助GPS定位,并采用卡尔曼滤波的融合算法,克服了GPS信号的遮蔽与中断问题,使组合系统能够较好地满足AGV导航定位的需要.用VC ++编写融合算法以及实验控制程序,实现了实验数据的采集以及对AGV的运动控制.结果 给出了GPS单独导航和GPS/DR组合导航两种工作状态下的位置误差,从对比中可以看出,组合导航系统的定位精度比GPS单独导航的定位精度提高了50%.结论 组合导航系统可以减小甚至消除推算定位系统随时间积累的误差,并在任何情况下能较好地实现AGV的实时、可靠、准确定位.     

联邦卡尔曼滤波器在无人机导航系统中的应用

针对无人机GPS／RP／DR组合导航系统的特点，设计了用于该系统的联邦卡尔曼滤波器。该滤波器具有全局最优性，其结构遵循信息分配原则，其算法改善了数值计算的稳定性和系统的容错性，并减少了信息传输量与计算量。理论分析及仿真结果表明，该联邦卡尔曼滤波器能够满足无人机在GPS或RP信号无效或两信号均短期无效情况下定位导航的精度要求。     

基于联合卡尔曼滤波的GPS/DR融合仿真

目的 研究GPS(Global Positioning System)与DR(Dead Reckoning)组合导航融合技术,使AGV获得更加稳定可靠的导航定位数据.构建出适用于GPS/DR组合导航系统的联合卡尔曼滤波器.方法 在GPS(全球定位系统)基础上增加DR(航位推算系统)用以辅助GPS定位.采用randn()函数作为随机数发生器,基于MATLAB软件对联合卡尔曼滤波融合算法进行理论分析及仿真研究.创新性的提出系统补偿系数G,将它用于联合卡尔曼滤波中,使得滤波效果可人工调控.结果 设计出适用于AGV的GPS/DR组合导航系统联合卡尔曼滤波器,建立MATLAB仿真模型.在MATLAB仿真模型中AGV行驶路程为50 m,GPS导航误差范围为6m,信号波动较大.DR导航最大误差为1.8m,误差逐渐累积,结果不收敛.GPS/DR组合导航系统误差为0.2m,信号波动平稳,结果收敛.结论 GPS/DR组合导航系统即克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位的优势.仿真结果表明,该方法在保证了系统定位精度前提下,有效提高了系统的容错性和工作可靠度.     

SINS/GPS组合导航方法设计

根据SINS/GPS组合导航的基本原理,重点研究联合卡尔曼滤波方法在组合导航中的应用,基于最优化理论的数据融合技术,通过分析纯惯性导航系统的误差,建立了组合导航系统的误差模型,设计了高可靠性、易于工程实现的简化联合卡尔曼滤波器和对应的数据融合算法。并对该导航系统进行了动态实验,结果表明组合导航能有效抑制导航参数误差,提高导航精度。     

低成本MIMU/GPS组合导航系统设计与实验

高精度惯性传感器的昂贵价格在一定程度上限制了惯性导航系统(INS)的进一步推广应用,然而低成本微型惯性测量单元(MIMU)的出现,为INS的推广应用了带来了新的契机。文中提出了一种适合于工程应用的低成本MIMU/GPS组合导航系统的结构与方案,并给出了组合导航系统位置速度交替组合模式的数学模型。考虑到未知工作环境中各类噪声统计参数的未确定性易使经典的卡尔曼滤波器发散,因此文中采用了闭环自适应卡尔曼滤波器对子系统的数据进行融合处理;设计了低成本的组合导航系统原理样机,并进行了跑车实验。跑车实验及事后数据处理分析结果表明:该系统具有较高的长时间导航精度以及良好的可靠性和鲁棒性。     

基于Sigma粒子Kalman滤波的地形辅助导航方法

地形辅助导航技术依据机载设备实时测量地形高度与机载数字高程地图的对比,给出飞行器定位结果,能够有效地修正主惯性导航系统的误差。传统地形辅助导航中应用较为广泛的是扩展Kalman滤波方法,但因为地形高度测量的非线性,扩展Kalman滤波不一定能够得到系统最优估计。Sigma粒子Kalman滤波作为一种新面世的非线性滤波器,能够有效地解决非线性估计问题。基于Sigma粒子Kalman滤波,提出一种新的地形辅助导航方法。在真实数字高程地图上得到的仿真结果表明,该地形辅助导航方法性能总体优于扩展Kalman滤波方法,尤其在飞越平坦地形时表现更佳。     

单兵定位导航系统数据融合方法研究

研究单兵定位导航系统的GPS导航信息与航位推算信息的数据融合方法,采用卡尔曼滤波技术设计了联合卡尔曼滤波器,给出联合滤波算法并仿真.该滤波器具有较高的系统容错性能,数据计算量小,但局部估计精度为常规水平.     

GPS/DR组合定位系统信息融合技术

在分析GPS/DR组合定位系统特点的基础上,设计了一种改进的联邦卡尔曼滤波器结构。对于GPS线性子系统采用标准卡尔曼滤波器,对于DR非线性子系统则采用无察觉卡尔曼滤波器。主滤波器采用动态信息分配系数对子滤波器的结果进行最优估计,并对DR子系统进行误差补偿,部分削减DR的误差累积效应。实验结果表明,算法能够满足车载导航系统的定位要求,并且在GPS误差较大时保持系统较高的可靠性和定位精度。     

Federated unscented particle filtering algorithm for SINS/CNS/GPS system

To solve the problem of information fusion in the strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation system described by the nonlinear/non-Gaussian error models, a new algorithm called the federated unscented particle filtering (FUPF) algorithm was introduced. In this algorithm, the unscented particle filter (UPF) served as the local filter, the federated filter was used to fuse outputs of all local filters, and the global filter result was obtained. Because the algorithm was not confined to the assumption of Gaussian noise, it was of great significance to integrated navigation systems described by the non-Gaussian noise. The proposed algorithm was tested in a vehicle’s maneuvering trajectory, which included six flight phases: climbing, level flight, left turning, level flight, right turning and level flight. Simulation results are presented to demonstrate the improved performance of the FUPF over conventional federated unscented Kalman filter (FUKF). For instance, the mean of position-error decreases from (0.640×10⁻⁶ rad, 0.667×10⁻⁶ rad, 4.25 m) of FUKF to (0.403×10⁻⁶ rad, 0.251×10⁻⁶ rad, 1.36 m) of FUPF. In comparison of the FUKF, the FUPF performs more accurate in the SINS/CNS/GPS system described by the nonlinear/non-Gaussian error models.     

模糊集理论在组合导航系统数据融合中的应用

组合导航系统中二元假设检验故障检测算法无法兼顾漏检率和虚警率,论文采用模糊逻辑对故障残差χ2检测量进行模糊化,对各子滤波器的工作状态作模糊评价,并在此基础上通过T-S模糊逻辑系统以及传统容错导航系统设计知识来确定全局融合中各局部估计值的加权矩阵。仿真结果表明,采用模糊逻辑后最终组合精度要比传统二元假设检验方法高,且算法简单工程上容易实现,具有很强的应用价值。